铁路悬链线的提取及重建方法技术

本公开提供一种铁路悬链线的提取及重建方法，包括：获取铁路悬链线、塔架和地面点分别对应的几何结构信息，得到初始点云数据；将初始点云数据输入双分支深度学习网络模型，提取初始点云数据中每个点的局部特征和全局特征以及点之间的邻域特征；分别将每个点对应的局部特征、全局特征和邻域特征进行拼接，得到该点的高维特征；基于高维特征识别悬链线对应的点云数据，并基于随机抽样一致模型根据悬链线对应的点云数据重建悬链线。该方法能够高效准确实现铁路悬链线的提取及重建方法。确实现铁路悬链线的提取及重建方法。确实现铁路悬链线的提取及重建方法。

【技术实现步骤摘要】
铁路悬链线的提取及重建方法


[0001]本公开涉及数据处理
，尤其涉及一种铁路悬链线的提取及重建方法。

技术介绍

[0002]激光雷达(LiDAR)集成了激光扫描仪(LS)、全球导航卫星系统(GNSS)和惯性测量单元(IMU)，能够以三维点云数据的形式对感兴趣的目标进行采样。特别的，机载激光雷达通过将LiDAR系统安装在机载平台上来执行，将激光脉冲照射点的距离值与GNSS/IMU获得的位置和方位相结合，可以有效地收集准确且通用的大尺度场景三维信息。机载激光雷达凭借其快速的数据采集能力，逐渐成为各个领域的流行方法。机载激光雷达收集的点云数据已应用于地质调查、地形提取和建模、三维建筑重建、林业调查、精准农业、电力线检查等。由于机载激光扫描系统可以大规模准确高效地获取三维形状信息，因此机载激光点云已成为电力线分类、提取和重建等许多相关任务的优先数据。
[0003]铁路悬链线由接触网和接触线组成，是铁路系统的重要组成部分之一。为确保稳定和安全的铁路运输服务，对铁路悬链线定期监测和检查至关重要。使用机载激光扫描获取的铁路悬链线点云能够为悬链本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铁路悬链线的提取及重建方法，其特征在于，包括：获取铁路悬链线、塔架和地面点分别对应的几何结构信息，得到初始点云数据；将所述初始点云数据输入双分支深度学习网络模型，提取初始点云数据中每个点的局部特征和全局特征以及点之间的邻域特征；分别将所述每个点对应的局部特征、全局特征和邻域特征进行拼接，得到该点的高维特征；基于所述高维特征识别所述悬链线对应的点云数据，并基于随机抽样一致模型根据所述悬链线对应的点云数据重建所述悬链线。2.根据权利要求1所述的铁路悬链线的提取及重建方法，其特征在于，所述双分支深度学习网络模型包括几何特征提取模块、PointNet模块以及邻域信息聚合模块，其中，所述几何特征提取模块与PointNet模块连接构成一条分支，所述邻域信息聚合模块构成另一条分支；将所述点云数据输入双分支深度学习网络模型，提取点云数据中每个点的局部特征和全局特征以及点之间的邻域特征，具体包括：利用所述几何特征提取模块提取所述初始点云数据中每个点的局部几何特征；利用所述PointNet模块对每个点的局部几何特征进行输入变换和特征变换，得到该点的局部特征。3.根据权利要求2所述的铁路悬链线的提取及重建方法，其特征在于，将所述点云数据输入双分支深度学习网络模型，提取点云数据中每个点的全局特征，具体包括：利用所述PointNet模块对每个点的局部特征进行多层感知和最大池化，得到该点的全局特征。4.根据权利要求2所述的铁路悬链线的提取及重建方法，其特征在于，将所述点云数据输入双分支深度学习网络模型，提取点云数据中点之间的邻域特征，具体包括：对于点云数据中的每一点，以该点为中心点，利用邻域信息聚合模块将中心点的几何浅层特征与邻域内其他点的几何浅层特征聚合，得到中心点与邻域内其他点之间的邻域特征。5.根据权利要求2所述的铁路悬链线的提取及重建方法，其特征在于，利用所述几何特征提取模块提取所述初始点云数据中每个点的局部几何特征，具体包括：对于点云数据中的每一点，以该点为中心点，确定中心点邻域内的所有点；根据中心点及...

【专利技术属性】
技术研发人员：王金虎，周梅，张乐乐，陈林生，张慧静，杨洲，陈玖英，李传荣，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：